Matplotlib
Python
Jupyter
Pandas
Data Science
Como Crear Un Gráfico de Gantt Accediendo Por La API the Google
Como sabemos existen diversas formas de almacenar nuestros datos. Normalmente, podemos leer y extraer información de manera sencilla por medio de archivos txt.csv entre muchos otros. Sin embargo, también podemos extraer información de la nube de Google. En este post nos enfocaremos en extraer datos de la API de Google spreadsheet y graficar un diagrama de Gantt con estos datos.Para esto, seguiremos de forma general los pasos que se encuentran a continuación.Crear un spreadsheet de Google con datos de tareas y sus respectivos tiempos.Acceder a https://console.developers.google.com/ y crear un nuevo proyecto.Habilitar la API de Google drive.Crear nuestras credenciales.Habilitar la API de Google sheets.Compartir acceso de nuestro Google sheet atreves de la API con las credenciales previamente creadas.Crear nuestro jupyter notebook y que empiece la acción !!!El primer paso como antes mencionado es crear nuestro spreadsheet llamado times con los siguientes campos. Task_idstart_timeend_timedate Luego accedemos a https://console.developers.google.com/ y creamos nuestro proyecto.Le damos un nombre a nuestro proyecto y dejamos el campo ubicación como ninguna. Esto no afectará nuestro proyecto, después hacemos click en continuar.En este paso, buscaremos la biblioteca de Google dando click en APIs y servicios.Buscamos por Google drive API y le damos habilitar.Damos click en crear credenciales. Luego, configuramos nuestras credenciales como sigue en la parte inferior. Damos click en la opción “Que credenciales necesito” y configuramos como sigue a continuación. Seleccionamos continuar y se nos generará un archivo .json. Este debe asegurarse, ya que lo utilizaremos más adelante.Nuevamente buscamos en la librería de Google la API de Google sheets y le damos habilitar.Abrimos nuestro .json file que fue descargado en pasos previos. De este, copiamos nuestro “client_email” para ser compartido con nuestro spreadsheet.Para ello accedemos a nuestro spreadsheet y damos click en compartir para pegar nuestro email.Es hora de crear nuestro Jupyter Notebook para comenzar a jugar con nuestro spreadsheet. Como requerimiento debemos instalar gspread y oauth2client con el comando pip como sigue a continuación.!pip install gspread oauth2clientDespués, importamos las librerías previamente descargadas.Creamos nuestro scope para ser usado en las credenciales.Creamos nuestras credenciales con ServiceAccountCredentials y pasamos como argumento nuestro .json file con el scope. Creamos nuestro cliente con gspread.Abrimos nuestra hoja donde está contenida la información de nuestro spreadsheet llamado times. Podemos conseguir nuestra data con el comando get_all_records().Imprimimos nuestra data.Si queremos una forma amigable de imprimir nuestros datos solo importemos pprint.from pprint import pprintPodemos incluso extraer las filas como sigue a continuación.Elaboremos nuestro diagrama de Gantt. Importamos pandas como de costumbre. Creamos nuestro DataFrame con la data proveniente del spreadsheet. Si revisamos el tipo de datos contenido en el DataFrame, nos daremos cuenta que es de tipo string. Por lo cual necesitaremos pasar los campos date,end_time y start_time a tipo time.El campo date será de tipo datetime y los campos start_time y end_time serán de tipo Timedelta como sigue a continuación. Imprimimos como quedo nuestro DataFrame.Por otro lado, no es suficiente con tener start_time y end_time en tiempo. De alguna manera debemos sacar la duración y expresarla en número entero sea en horas,minutos o segundos. Para esto, sacaremos la duración de la diferencia entre start_time y end_time y la expresaremos en minutos al igual que el start_time estará en minutos. Para graficar nuestro diagrama de Gantt solo necesitaremos los campos Task_id,start_time[m] y duration[m].La gráfica de Gantt será originada usando la función de matplotlib broken_barh que tomará como argumentos 3 partes que serán descritas a continuación.Un tuple conformado por las variables start_time y duration.Un tuple conformado por el mínimo valor de la axis y y/o altura o incremento. El color de cada tarea.Esta función debe lucir como sigue en la parte inferior.broken_barh((start_time,duration),(y_minimum,height),color)Ya sabemos de forma general cómo se compone la función de Gantt. Ahora es nuestro turno de graficarla siguiendo los pasos que se encuentran en la parte inferior.Importamos matplotlib.Creamos nuestro diccionario de colores.Creamos una figura para graficar nuestro diagrama de Gantt. Adicionalmente, iteramos a través de un for para conseguir los valores de los campos start_time[m] y duration[m] para cada task.Finalmente, obtenemos nuestro diagrama de Gantt para cada tarea asignada. Esto es un claro ejemplo que tenemos la oportunidad de poder automatizar ciertas tareas haciendo uso de la API de Google sheet. Solo basta con alimentar el spreadsheet, conectarse a la API de Google sheet y hacer uso de nuestra imaginación.
Libraries
Jupyter
Data Science
Como Manejar El Tiempo Con Pandas
Pandas nos provee el soporte y las herramientas para manejar datos de forma general. En esta ocasión hablaremos de cómo manejar datos de tipo time con pandas. Para ello, nos guiaremos de los ítems que seguiremos a continuación.Los conceptos básicos que Pandas hace referencia acerca del tiempo. Estos pueden listarse en 4 conceptos generales tales como Date times,Time deltas,Time spans y Date offset.Aplicaremos ejemplos básicos de los 4 conceptos anteriormente mencionados. Aplicaremos estos conceptos en Series y DataFrames de Pandas. Es muy importante definir o tener una idea de que trata cada concepto. Para esto, podemos resumir cada uno de ellos de la siguiente manera:Date times: Este está compuesto por fecha y tiempo y es de clase Timestamp cuando es un solo valor. Por otro lado, si es un array the Datetimes este sería de clase DatetimeIndex. Time deltas: Este almacena un rango de tiempo, el cual puede servir para hacer algunas operaciones con los Datetimes. De igual forma, si es un solo valor sería de clase Timedelta o si es un array sería de clase TimedeltaIndex. Time spans: Estos están asociados a los periodos y frecuencias que podemos definir dentro de Pandas. Así mismo, la clase sería Period si es un sólo valor. De otra manera, sería PeriodIndex para un array de valores.Date offset: Este se podría asemejar al Time deltas, donde almacena una porción de tiempo que puede ser utilizado para operaciones aritméticas según el calendario.Como podemos observar, muchos de estos datos manejan la clase Index cuando están agrupados en un array. Esto será muy útil a la hora de indexar una Serie o DataFrame de pandas. Los conceptos anteriormente mencionados pueden ser resumidos en la siguiente tabla. Date time:Como primer paso crearemos variables con los métodos to_datetime y date_range. Después, miraremos de qué clase son y cómo podemos aplicarlos a las Series y DataFrames. Importamos Pandas y Numpy:Creamos nuestra variable fecha con nuestro método to_datetime. También, es importante saber que este método recibe una fecha o un array de fechas y/u otro tipo de argumentos.Como podemos ver fecha es de tipo Timestamp. Sin embargo, también podemos observar que la fecha no fue mostrada en el orden en que la pasamos. Ya que el mes 07 , se muestra como dia 07. Para darle un orden a nuestros argumentos, podemos usar format.También, podemos usar argumentos como today.Así mismo, array de Datetimes como argumentos. En el output posterior, podemos observar que ahora la clase es Datetime Index debido que pasamos como argumento el array. Este misma clase también puede ser generada cuando usamos date_range como método.Este método nos permite originar un array de Datetimes. También, podemos ver que recibe como argumento el periodo y por defecto toma la frecuencia por dia. Esta puede ser cambiada por intervalos de meses, días, horas , segundos y microsegundos etc. Adicionalmente, podemos cambiar el timezone. Ahora coloquemos este array en una series de pandas. Si queremos cambiar la frecuencia y de paso agregarle el promedio del resultado, podemos hacerlo como sigue a continuación.Por otro lado, podemos aplicar esto a un DataFrame como sigue abajo.Time Deltas:Supongamos que queremos agregar cierto valor de tiempo al Timestamp de fecha.Para ello usaremos el Timedelta como sigue a continuación. Podemos pasar como argumento los días e incluso minutos y segundos.Otra forma de agregar cierto valor de tiempo es con Dateoffset como se había mencionado anteriormente. En este ocasión crearemos una series de Dateoffsets. Luego sumaremos un array de Datetime y veremos el resultado de esta operación.El primer objeto de Dateoffset tiene un incremento de 1 y el segundo de 2 respectivamente. Veremos que por default este valor es representado solo por el offset del dia.Como resultado obtenemos la suma de un dia para el primer array de Datetime y la suma de 2 días para el segundo array de Datetime. De igual forma, podemos hacerlo para meses, días, horas, minutos y segundos. Time spans:En este caso hablaremos del método Period_range, el cual nos puede servir para crear un array Periodindex pasando como argumento el periodo y la frecuencia como antes visto. También, podemos crear Series a partir de este Periodindex.Por otro lado, podemos crear nuestro propio PeriodIndex.Por último si queremos tan solo un valor representado en Period también se puede obtener de la siguiente forma.Finalmente, podemos concluir que existen diversas clases para manejar el tiempo tales como Datetime, Timedeltas, Timespans y Dateoffsets. Podemos usar cada una de ellas y sus combinaciones para operar con Series y DataFrames. Como referencia podemos ver la documentación de Pandas para Time series / date functionality en el siguiente link.
